病理镜检文本数据的结构化处理方法

• 作者: 乐嘉锦 刘茜茜 朱立峰 潘乔 陈德华
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 医疗文本数据 文本数据结构化 统计 分词 双向最大匹配
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 数据库与数据挖掘
• 页码范围: 1-6
• 页数: 6页
• 分类号: TP391.1
• 字数: 5540字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2016.04.001

摘要

目前医疗文本数据的结构化处理大多依赖通用分词工具或医学知识库，而通用分词工具对专业术语的识别效果并不理想，且国内的中文医学术语标准化进程不足。针对此问题，提出一种基于统计信息对镜检文本数据进行结构化处理的方法。该方法以聚类文本为基础，基于断点词与重合串分词，利用分词词串的统计信息获取关键词以及词语类别信息，并进行词语扩充，从而得到最终词库作为字典。利用基于字典的双向最大匹配分词算法，对文本数据进行分词，并通过添加否定检出的规则，获取结构化数据。实验结果表明，该方法获取的医学词库的准确率达到了80％，实现了不依赖分词工具获得结构化数据的功能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	乐嘉锦	东华大学计算机科学与技术学院	131	1480	20.0	32.0
2	陈德华	东华大学计算机科学与技术学院	39	220	8.0	13.0
3	朱立峰	上海交通大学医学院附属瑞金医院计算机中心	25	113	6.0	9.0
4	潘乔	东华大学计算机科学与技术学院	20	65	5.0	6.0
5	刘茜茜	东华大学计算机科学与技术学院	1	4	1.0	1.0